IA

Un problema conocido de los modelos de IA generativa, que llamamos 'alucinaciones', se refiere a que el modelo: Produce resultados completamente fabricados sin base en la realidad. Solo funciona cuando el usuario 'alucina' con sus capacidades. Se vuelve loco y produce resultados aleatorios. Copia contenido de internet de forma incorrecta.

¿Cuál es la principal diferencia entre la IA débil y la inteligencia humana?. La IA débil es igual a la inteligencia humana en todos los aspectos, pero más rápida. La IA débil puede realizar cualquier tarea intelectual, mientras que la humana no. La IA débil está diseñada para tareas específicas y carece de la comprensión general del mundo que tiene la inteligencia humana. La inteligencia humana es menos versátil que la IA débil.

¿Cuál de los siguientes es un desafío de la IA relacionado con la privacidad?. La falta de consistencia en las respuestas. La recopilación y el almacenamiento automático de datos de usuario que podrían comprometer la confidencialidad si no se gestionan adecuadamente. El alto costo de los modelos. La obsolescencia de los modelos.

¿Qué tipo de funciones son las que tradicionalmente dependen de las capacidades humanas y que la IA es capaz de ejecutar?. Elaboración de obras de arte, composición musical o escritura creativa. Procesamiento de imágenes, entendimiento del habla y razonamiento lógico. Funciones físicas como levantar objetos pesados o conducir vehículos. Funciones sociales como la empatía o las relaciones interpersonales.

En un asistente virtual como Alexa o Siri integra varios tipos de IA. ¿Cuál de los siguientes no es un componente para su funcionamiento?. Generative AI para producir respuestas. Analytical AI para optimizar rutas logísticas. Predictive AI para sugerir acciones. Discriminative AI para entender comandos de voz.

¿En qué evento histórico se acuñó el término de 'inteligencia artificial' y se sentaron las bases para su desarrollo como disciplina científica?. El Simposio de Turing 1950. La Feria Mundial de Nueva York en 1964. El Congreso Internacional de Cibernética en 1958. La Conferencia de Dartmouth en 1956.

¿Cuál de los siguientes no es un desafío técnico de la IA?. Costos elevados y consumo de energía. La incapacidad de la IA para aprender de nuevos datos. Falta de estándares universales. Altos requisitos de recursos computacionales.

¿Cuál de los siguientes no fue uno de los nombres que recibió el campo de las 'máquinas pensantes' durante la 'Era del optimismo' en los años 50-60?. Cibernética. Teoría del caos. Teoría de los autómatas. Procesamiento complejo de la información.

¿Qué concepto clave se emplea para describir la capacidad de la IA de 'aprender, adaptarse y mejorar'?. Machine learning. Deep learning. Robótica. Computación cognitiva.

Un ejemplo de la 'naturaleza complementaria' de la IA en el trabajo es: Una caja de autopago que elimina por completo a los cajeros en un supermercado. Una fábrica completamente automatizada por robots que no tienen ningún empleado. Una IA que toma todas las decisiones en una empresa sin intervención humana. La intervención de nuevas profesionales como 'diseñadores de prompts'.

¿Qué problema plantea la 'obsolescencia' rápida de la IA?. Que la IA deja de funcionar por completo. Que la IA se vuelve más difícil de usar con el tiempo. Que la IA se vuelve lenta con el tiempo. Que los modelos actuales pierden relevancia rápidamente ante nuevas versiones más avanzadas, obligando a unas actualizaciones constantes.

Los modelos de IA generativa necesitan potentes GPU, grandes conjuntos de datos y mucha energía para funcionar. ¿Qué desafío actual de la IA ilustra esto?. El de los requisitos técnicos. El de la obsolescencia. El de la falta de estándares. El de la consistencia.

¿Cuál es la principal diferencia entre la Narrow AI y la General AI?. La Narrow AI se centra en la predicción, mientras que la General AI se enfoca en la creación de contenido. La Narrow AI se basa en modelos matemáticos, mientras que la General AI utiliza algoritmos generativos. La Narrow AI es un concepto teórico, mientras que la General AI ya se usa a diario. La Narrow AI se especializa en una tarea, mientras que la General AI puede realizar múltiples tareas intelectuales.

¿Qué papel se le atribuye a la IA en el futuro del trabajo?. La IA eliminará todos los trabajos, sin crear ninguno nuevo. La IA solo se usará para trabajos manuales y no para tareas intelectuales. La IA será más un complemento que un sustituto, creando nuevas oportunidades y roles profesionales. La IA reemplazará completamente a los humanos en todos los empleos.

¿Por qué la IA no es completamente infalible y objetiva?. Porque la IA actual es demasiado lenta para ser objetiva. Porque los modelos de IA son diseñados por humanos que cometen errores. Porque solo procesa una pequeña cantidad de datos. Porque los modelos pueden generar sasgos que reflejan los datos con los que fueron entrenados y producir desinformación.

En el contexto del 'Invierno de la IA', ¿Cuál fue la consecuencia más notable de que los avances no cumplieran con las expectativas iniciales?. Una nueva era de optimismo con la aparición del Big Data. La migración de los principales investigadores a otros campos de la ciencia. La reducción en la financiación y el interés en la investigación. El término 'inteligencia artificial' dejó de utilizarse.

La IA como disciplina científica nació en la antigüedad con mitos y leyendas sobre seres artificiales. Verdadero. Falso.

La General AI es el tipo de inteligencia artificial más común en la actualidad y se utiliza en aplicaciones como los asistentes virtuales y los sistemas de recomendación. Verdadero. Falso.

La IA es infalible y no comete errores porque puede procesar grandes cantidades de datos. Verdadero. Falso.

Los sistemas de IA son completamente autónomos y no necesitan supervisión humana. Verdadero. Falso.

El rápido avance de la IA genera un ciclo de 'obsolescencia', lo que significa que los modelos actuales pueden perder relevancia ante nuevas versiones más avanzadas. Verdadero. Falso.

La 'Narrow AI' actual es tan versátil y tiene la misma comprensión del mundo que la inteligencia humana. Verdadero. Falso.

El papel de la IA en el trabajo es más de sustitución que de complemento, ya que eliminará todos los trabajos existentes. Verdadero. Falso.

La IA predictiva y la IA analítica se diferencian en que la primera se enfoca en 'mirar hacia adelante' para predecir el futuro, mientras que la segunda se ocupa de 'mirar hacia atrás' para extraer conclusiones de datos históricos. Verdadero. Falso.

A diferencia de un motor de búsqueda, la inteligencia artificial crea respuestas nuevas analizando y reinterpretando grandes cantidades de datos. Verdadero. Falso.

¿Qué tipo de IA empleamos cuando....?. Narrow AI. Generative AI. Predictive AI. Discriminative AI. Analytical AI. Statistical AI.

Relaciona cada tipo de IA con su definición. Narrow AI. General AI. Generative AI. Predictive AI. Discriminative AI. Analytical AI. Statistical AI.

La era actual de la IA (desde el 2000 en adelante) se define por el uso de grandes cantidades de datos y el desarrollo del aprendizaje profundo. Verdadero. Falso.

El 'Invierno de la IA' fue un período caracterizado por un aumento en la financiación y el interés en este campo. Verdadero. Falso.

La principal función de la IA discriminativa es generar contenido nuevo, como imágenes o música, a partir de patrones aprendidos. Verdadero. Falso.

¿Cuál es la materia prima fundamental de la inteligencia artificial?. Algoritmos. Datos. Modelos. Procesadores.

¿Qué técnica se utiliza para analizar texto no estructurado?. SQL. Redes convolucionales. Procesamiento de lenguaje natural (PLN). Clustering.

Los datos semiestructurados se representan habitualmente en: SQL. JSON. CSV. PDF.

Un algoritmo en IA se define como: Una base de datos organizada. Un conjunto de instrucciones para procesar datos. Un sistema de almacenamiento. Un modelo de red neuronal.

¿Qué tipo de algoritmo se usa para predecir un precio de vivienda?. Clasificación. Clustering. Regresión. Redes neuronales convolucionales.

El modelo en IA es: El conjunto de datos de entrenamiento. La representación matemática de lo aprendido. Una base de datos. El hardware de la IA.

Un modelo supervisado aprende a partir de: Prueba y error. Datos sin etiquetar. Datos etiquetados. Premios y castigos.

¿Qué arquitectura utiliza un mecanismo de atención para procesar lenguaje e identificar qué partes de una frase son más relevantes?. CNN (Convolutional neural networks / Redes neuronales convolucionales). Transformer (transformador). GAN (Generative adversarial networks / Redes generativas antagónicas). Regresión.

¿Cuál es el propósito de un autoencoder variacional (VAE, variational autoencoder)?. Clasificar datos. Comprimir y reconstruir información con variaciones controladas. Predecir precios, elaborar resúmenes. Detectar bordes en imágenes.

En las GAN (Generative adversarial networks / Redes generativas antagónicas), ¿qué red crea datos sintéticos?. Discriminador. Generador. Transformer. Red neuronal.

El sub-ajuste significa que: El modelo se adapta demasiado. El modelo no aprende lo suficiente. El modelo predice con gran precisión. El modelo usa redes neuronales.

¿Qué métrica mide el porcentaje de aciertos de un modelo?. Error. Precisión. Generalización. Fine-tuning.

¿Qué elemento es clave en la entrada (input) a un modelo de IA conversacional, es decir, las instrucciones que le damos al sistema?. Prompt. Output. Dataset. GPU.

¿Qué técnica de prompting implica dar ejemplos previos?. Zero-shot. Few-shot. Chain-of-thought. Instrucción inversa.

Un riesgo de equidad social relacionado con la IA es: La traducción automática, que puede ser imprecisa. La brecha socioeconómica, hay personas que no tienen acceso a la IA. El clustering. El PLN.

Los datos estructurados siempre reflejan con detalle fenómenos complejos como emociones humanas. Verdadero. Falso.

Los datos semiestructurados nunca incluyen etiquetas. Verdadero. Falso.

Un algoritmo de regresión se usa para clasificar correos como spam o no spam. Verdadero. Falso.

Las redes neuronales convolucionales (CNN, Convolutional neural networks) están especializadas en imágenes y vídeo. Verdadero. Falso.

Un modelo es lo mismo que un algoritmo. Verdadero. Falso.

El aprendizaje supervisado usa datos etiquetados. Verdadero. Falso.

El sobreajuste ocurre cuando el modelo memoriza demasiado. Verdadero. Falso.

La precisión mide la proporción de aciertos de un modelo. Verdadero. Falso.

El fine-tuning permite personalizar un modelo general para usos específicos. Verdadero. Falso.

En la IA conversacional, el prompt no influye en la calidad de la salida. Verdadero. Falso.

La IA genera siempre la misma salida para un mismo prompt. Verdadero. Falso.

La IA puede dar la impresión de empatía, pero no siente emociones reales. Verdadero. Falso.

Relaciona el tipo de aprendizaje con su característica y ejemplo: Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje por refuerzo. Transfer learning (aprendizaje por transferencia). Fine-tuning (ajuste fino).

Relaciona el proceso o modelo avanzado con su descripción: Modelo de difusión (Diffusion). Transformer. GAN (Red Generativa Antagónica). VAE (Autoencoder Variacional). CNN (Red Neuronal Convolucional). PLN (Procesamiento del Lenguaje Natural). Conversational AI (IA Conversacional).

¿Qué chatbot tiene un enfoque más personal y "amigable", destinado a interacción social?. Copilot. Gemini. PI (Inflection AI). Claude.

¿En qué aplicaciones de redes sociales se integra Meta AI?. Únicamente en WhatsaApp. En Facebook, Instagram, Messenger y WhatsApp. Solo en Instagram. En Twitter (X) y Reddit.

¿Qué plataforma profesional de Microsoft permite crear y entrenar modelos personalizados de IA?. Canva. Azure AI Studio. Notion AI. YouChat.

¿Qué ventaja principal tienen los modelos de lenguaje de gran tamaño (LLM)?. Procesar solo imágenes. Generar lenguaje humano con gran sofisticación. Requerir pocos datos. Ser económicos.

¿Qué problema puede surgir por sesgos en los datos de entrenamiento?. Imágenes siempre en blanco y negro. Representaciones poco inclusivas. Exceso de detalles. Errores gramaticales.

¿Cuál es una forma de aprovechar la IA para la exploración creativa de imágenes?. Usar siempre estilos realistas. Limitar las variaciones a una sola versión. Describir un concepto, estilo artístico y solicitar múltiples variaciones. Evitar la experimentación con técnicas visuales.

¿Qué elemento es clave para la generación de vídeo con IA?. Uso exclusivo de imágenes. Narrativa y concepto. Traducción simultánea. Reconocimiento facial.

¿Qué beneficio aporta la IA en audio y vídeo?. Limita la accesibilidad. Democratiza la creación. Requiere más tiempo. Dificulta la traducción.

¿Qué recomendación se debe tener en cuenta respecto a datos sensibles?. Compartirlos para personalizar mejor. No compartirlos por temas de privacidad. Usarlos siempre en prompts. Guardarlos en prompts para recordarlos.

¿Qué técnicas de prompting en pedir directamente lo que queremos, sin ejemplos previos?. Few-shot prompting. Role prompting. Chain-of-thought prompting. Zero-shot prompting.

Relaciona la herramienta de IA con su característica: Modelo de IA generativa de código abierto que crea imágenes a partir de descripciones escritas. Los usuarios pueden instalarlo en sus propios equipos y personalizarlo. Modelo que permite generar imágenes originales a partir de instrucciones textuales. Se ha popularizado por su capacidad de combinar elementos de manera creativa. Modelo de IA generativa pensado para integrarse en las aplicaciones de Adobe (como Photoshop o Illustrator) y facilitar la creación profesional. Diseño gráfico accesible, herramienta de diseño que sugiere plantillas, estilos y elementos visuales para agilizar el proceso creativo. Plataforma profesional que ofrece herramientas para crear, entrenar y desplegar modelos de IA personalizados.

Relaciona la técnica de prompting con su descripción: Zero-shot. Few-shot. Chain-of-thought. Role prompting.

¿Qué desafío relacionado con la IA es un tema importante de debate en el sector creativo?. El elevado coste de las herramientas de generación de imágenes. La falta de herramientas para la creación de arte. La imposibilidad de la IA para generar música de calidad. Los derechos de autor y la limitación de estilos por parte de los modelos de IA.

¿Cuál de los siguientes no es un aspecto que solo el intelecto humano puede aportar?. Compresión de matices textuales. Criterio moral. Análisis de grandes cantidades de datos. Creatividad auténtica.

Según el material didáctico, ¿Qué habilidad transversal permite liberar tiempo y recursos?. Análisis de datos complejos y profundos. Mejorar la comunicación y presentación de datos. Apoyar la creatividad y la toma de decisiones. Automatizar tareas repetitivas.

Clasificar correos electrónicos en spam/no spam es un ejemplo de ¿Qué aplicación de la IA?. Automatización de tareas. Eliminación de sesgos. Apoyo a la creatividad. Mejora de la comunicación.

Crear infografías interactivas es un ejemplo de ¿Qué aplicación de la IA?. Automatización de tareas. Mejora de la comunicación. Eliminación de sesgos. Apoyo a la creatividad.

¿Qué elemento es más necesario añadir para mejorar este prompt? "Genera una imagen para una portada de libro". Tamaño de impresión de la portada. Editorial que lo publica. Género literario. Nombre del autor o de la autora.

¿Qué elemento mejoraría más este prompt para generar una receta en un asistente de cocina?. Escribe un artículo sobre salud. Público objetivo del artículo. Título del artículo. Fuente de investigación. Número de palabras.

Simular distintos escenarios de negocio es un ejemplo de ¿Qué aplicación de la IA?. Automatización de tareas. Apoyo a la creatividad. Mejora de la comunicación. Eliminación de sesgos.

¿Qué implica la ética digital y la responsabilidad social al usar IA?. Ser responsable del contenido generado, evitando sesgos y respetando derechos de autor. Evitar el uso de cualquier herramienta de IA por su impacto. Desentenderse de los resultados, ya que la responsabilidad es de la máquina. Usar la IA solo para tareas divertidas y personales.

¿Cómo puede la IA potenciar la creatividad humana?. Eliminando las tareas repetitivas y monótonas. Automatizando el proceso de pensamiento crítico. Ayudando a generar ideas y explorar nuevos enfoques. Sustituyendo por completo la necesidad de ideas originales.

Cuando se combina lo que la IA hace bien con lo que los humanos hacen mejor, el resultado final es: Mejorado, liberando tiempo para concentrarse en lo estratégico o lo creativo. Más rápido, pero sin un valor añadido. Menos fiable y de menor calidad. Demasiado complejo y difícil de manejar.

Según el material didáctico, la IA puede apoyar la creatividad a través de: Limitación de las opciones creativas para simplificar el trabajo. Generación de ideas, análisis de escenarios y recomendaciones basadas en datos. Eliminación del criterio humano en la fase final de un proyecto. Automatización total de la escritura de novelas y canciones.

¿Cuál de las siguientes afirmaciones sobre la relación entre el ser humano y la IA es la más acertada?. El verdadero poder surge de la sinergia entre personas y sistemas de IA. La IA posee la capacidad de entender los matices contextuales y el criterio moral. El verdadero poder de la IA se manifiesta cuando opera de forma autónoma. El ser humano debe delegar todas las tareas a la IA para maximizar la eficiencia.

¿Por qué es tan importante la supervisión humana de los resultados de la IA?. Porque la IA puede equivocarse, reproducir sesgos o perder matices. Porque el humano es más rápido que la máquina en todas las tareas. Para garantizar que la responsabilidad final recaiga en la máquina. Para evitar que la IA aprenda de los datos.

Un sistema de selección de personal con IA fue entrenado con datos de empleados exitosos de los últimos 20 años. ¿Qué tipo de sesgo social podría reproducir si el sector siempre ha estado dominado por hombres?. Un sesgo de brecha digital. Un sesgo de género. Un sesgo de coste energético. Un sesgo de información.

Uno de los principales retos de la inteligencia artificial es que puede producir sesgos de los datos con los que fue entrenada. Verdadero. Falso.

Imagina que trabajas en una oficina y te han pedido que integres herramientas de IA para optimizar tu trabajo. A continuación, identifica si las siguientes tareas las delegarías a la IA o si necesitarán tu supervisión humana. Responde indicando DELEGAR o SUPERVISAR según corresponda. Procesar 200 facturas diarias extrayendo la fecha y el monto para una base de datos. Revisar un contrato importante de un cliente para asegurar que las clausulas protegen los intereses de tu empresa. Redactar un correo electrónico para solicitar un aumento de sueldo a tu jefe. Analizar miles de datos de ventas para detectar tendencias y patrones de consumo. Determinar la estrategia de negocio de la empresa para los próximos cinco años.

La clave para aprovechar el potencial de la IA reside en comprender los complejos algoritmos que impulsan estas tecnologías, sin necesidad de identificar estratégicamente dónde puede complementar las habilidades humanas. Verdadero. Falso.

Una tarea se considera automatizable si requiere empatía y la toma de decisiones éticas. Verdadero. Falso.

Clasifica cada situación en la categoría correcta. Pensamiento crítico y verificación. Diseño de prompts efectivos. Creatividad e innovación aumentada. Colaboración humano-IA. Ética digital y responsabilidad social.

La IA, en el ámbito de la comunicación, puede perder matices culturales en las traducciones, por lo que la revisión humana es necesaria. Verdadero. Falso.

La IA puede ayudar a mejorar la comunicación, pero no puede adaptar contenidos a diferentes audiencias, ya que esta es una tarea exclusiva del ser humano. Verdadero. Falso.

En el sector de la salud, la IA puede realizar el diagnóstico final de un paciente, ya que su análisis de datos es más preciso que el de un médico. Verdadero. Falso.

La Inteligencia Artificial puede cometer errores o inventar datos, por lo que es esencial desarrollar un pensamiento crítico. Verdadero. Falso.

La IA es un sustituto directo del profesional, liberando por completo a los humanos de sus responsabilidades laborales. Verdadero. Falso.

La colaboración humano-IA es inncesaria, ya que la máquina es lo suficientemente inteligente como para tomar decisiones éticas y estratégicas por sí sola. Verdadero. Falso.

A pesar de la automatización, la supervisión humana sigue siendo importante para evitar errores si los datos están incompletos o mal procesados. Verdadero. Falso.

Para obtener resultados óptimos al interactuar con una IA, los prompts deben ser lo más genéricos y ambiguos posible para dar más libertad a la máquina. Verdadero. Falso.

El proceso de fine-tuning implica reentrenar un modelo de IA con datos genéricos para que funcione en cualquier sector sin necesidad de ajustes específicos. Verdadero. Falso.

Después de la postproducción, el Analista de datos junior debe presentar los resultados de audiencia del cortometraje al equipo directivo (que no es técnico). ¿Qué habilidad es esencial en este momento?. Conocimiento profundo de las redes neuronales que crearon el guion. Habilidad para interpretar resultados y comunicarlos de forma accesible a equipos no técnicos. Capacidad para hacer few-shot prompting en la presentación.

El proyecto de Servicios SocioCulturales (asistente de inclusión cultural) requiere traducir contenidos culturales a formatos accesibles en tiempo real (ej. subtítulos, audio descripción). ¿Qué rol debería colaborar más estrechamente con los desarrolladores para asegurar que la calidad y relevancia de estas traducciones automáticas sea constante?. El Prompt Designer, para escribir el guion técnico original. El supervisor de IA, para la evaluación continua de la calidad de la salida y la relevancia. El Analista de Datos Junior, analizando el tamaño de los subtítulos.

Un Analista de datos junior con enfoque en IA está ayudando en el proyecto de Comercio y Marketing a analizar el comportamiento de navegación de los usuarios. ¿Qué tarea NO está directamente asociada a su rol?. Preparar y limpiar el conjunto de datos de navegación. Implementar las salvaguardas éticas del modelo de recomendación. Identificar patrones de compra con asistencia de IA.

En el proyecto de Informática y Comunicaciones, si el asistente de desarrollo de software genera código inicial con poca documentación. ¿Cuál de las siguientes acciones del Prompt Designer podría mitigar este problema?. Solicitar al Supervisor de IA que cambie los parámetros de generación. Pedir al Analista que clasifique el código por colores. Incluir la instrucción avanzada de 'cadena de pensamiento' (chain-of-thought) para que la IA justifique su lógica de código.

El proyecto de Hostelería y Turismo genera descripciones inmersivas de destinos. Para asegurar que estas descripciones no incluyan contenido que pueda ser considerado ofensivo o inexacto (desalineado), ¿Qué rol debe priorizar la Monitorización de resultados para detectar sesgos o errores?. El Analista de datos junior, en la fase de análisis de datos de los destinos. El Supervisor de IA, como parte de su función de control ético y de calidad. El Prompt Designer, mediante prompts muy detallados.

El equipo de marketing quiere evaluar qué paleta de color sugerida por la IA genera más engagement en redes. ¿Qué rol profesional utilizaría las herramientas de IA para analizar los datos de interacción y generar una visualización clara de las tendencias?. Analista de datos junior con enfoque en IA, para identificar patrones de respuesta del público. Supervisor de IA, para monitorizar la ética de los comentarios. Prompt Designer, para crear una nueva paleta.

AI-Studio genera un storyboard preliminar que, al revisar el Supervisor de IA, muestra un sesgo sutil al representar solo a personal médico masculino. ¿Cuál de las siguientes es la acción principal del Supervisor para manejar esta situación?. Desechar el storyboard y pedir al Analista que lo rehaga. Ajustar los parámetros y refinar las instrucciones de la IA para implementar salvaguardas éticas contra el sesgo. Enviar el storyboard al Prompt Designer para que lo corrija manualmente.

El equipo de guionistas proporciona el guion literario. ¿Qué profesional es el responsable de aplicar técnicas de few-shot prompting y estructuración avanzada para asegurar que AI-Studio genere un guion técnico que respete un estilo de cámara específico?. El Prompt Designer, ya que se especializa en crear instrucciones precisas para resultados específicos. El Analista de datos junior, para predecir el impacto del estilo. El Supervisor de IA, ya que es una directriz de calidad.

El proyecto de Edificación y Obra Civil requiere que la IA optimice la distribución de recursos y cronogramas de obra. Para que la IA logre esto, ¿Qué habilidad avanzada del Prompt Designer podría ser útil para guiar a la IA a través de los pasos lógicos de planificación?. Monitorización de resultados. Comunicación a equipos no técnicos. Cadena de pensamiento.

El texto indica que la capacidad para trabajar eficazmente con IA será una competencia transversal. Para un estudiante, esto significa que: Debe integrar herramientas de IA en sus trabajos para potenciar su rol profesional. Debe convertirse en un experto en Python y machine learning. Solo podrá usar IA si trabaja como Prompt Designer.

Entre las tareas del Analista de datos junior con enfoque en IA se incluye la preparación y limpieza de conjuntos de datos con la asistencia de herramientas de IA. Verdadero. Falso.

El Supervisor de IA está principalmente centrado en generar visualizaciones efectivas y comunicarlas a equipos no técnicos. Verdadero. Falso.

El Prompt Designer necesita una comprensión profunda de cómo funcionan los diferentes modelos de IA, pero no necesita conocimientos de análisis de datos. Verdadero. Falso.

Una de las funciones del Supervisor de IA es el Ajuste de parámetros y refinamiento de instrucciones para mantener la alineación del sistema con los objetivos organizacionales. Verdadero. Falso.

La capacidad para trabajar eficazmente con IA es considerada una competencia especializada y exclusiva del rol del Prompt Designer. Verdadero. Falso.

El rol de Prompt Designer exige habilidades de comunicación excepcionales para estructurar solicitudes con especificidad y claridad. Verdadero. Falso.

El Prompt Designer requiere conocimientos de técnicas avanzadas como few-shot prompting y cadena de pensamiento para mejorar la calidad de las salidas de la IA. Verdadero. Falso.

La principal responsabilidad del Analista de datos junior con enfoque en IA es la Implementación de salvaguardas éticas para el sistema. Verdadero. Falso.

Escribe al lado de cada función o habilidad hacia el rol profesional al que corresponde principalmente. Escribe la letra que corresponde a cada rol en tu respuesta: PROMPT DESIGNER ANALISTA DE DATOS JUNIOR IA SUPERVISOR DE IA. Evaluación de la calidad y relevancia de las salidas. Capacidad para estructurar solicitudes con especificidad y claridad. Preparar y limpiar conjuntos de datos. Identificar patrones y tendencias con asistencia de IA. Ajuste de parámetros y refinamiento de instrucciones.

¿Qué normativa europea regula la protección de datos personales en IA?. Directiva de copyright. Reglamento de IA 2004/1689. Reglamento General de Protección de Datos (RGPD). Ley de propiedad intelectual.

¿Qué riesgo supone la explotación comercial de datos personales?. Mejora del sistema de IA. Reducción de la publicidad. Venta de datos a anunciantes sin informar al usuario. Uso de contraseñas más seguras.

¿Qué medida NO corresponde a la protección de datos?. Minimización de datos. Evaluaciones de impacto. Supervisión humana. Anonimización.

¿Qué tipo de fraude se puede realizar con IA y datos personales robados?. Creación de videojuegos. Solicitud de créditos en nombre de otra persona. Automatización de tareas domésticas. Traducción de textos.

¿Qué significa el derecho de portabilidad de datos?. Exportar tus datos a otro servicio. Almacenar datos en un pendrive. Recuperar datos borrados. Usar datos de terceros sin permiso.

¿Qué significa el derecho a la explicación en IA?. Acceder a manuales de programación. Conocer los criterios usados por la IA para tomar decisiones. Poder modificar directamente los algoritmos. Obtener licencias de software gratuitas.

¿Qué ocurre cuando una pulsera de salud falla en personas con piel oscura?. Sesgo de confirmación. Sesgo de medición. Sesgo de prompts. Sesgo de selección.

El Reglamento (UE) 2024/1689 obliga a: Reemplazar un 20% de los empleos con IA. Garantizar transparencia y supervisión humana en sistemas de alto riesgo. Eliminar la IA en educación y salud. Usar IA únicamente en publicidad.

¿Qué técnica permite comprender por qué un modelo llega a un resultado determinado?. Transparencia de datos. Explicabilidad de algoritmos (XAI). Minimización de datos. Auditoría externa.

¿Qué tipo de sesgo ocurre cuando la pregunta al sistema ya incluye un prejuicio?. Sesgo de medición. Sesgo en los prompts. Sesgo de confirmación. Sesgo de selección.

¿Qué plataforma española se dedica al fact-checking?. Newtral. Spotify. TikTok. Instagram.

A nivel Europeo, ¿Quién regula el uso de obras con copyright en la IA?. Parlamento Europeo. Directiva sobre derechos de autor en el mercado único digital. Naciones Unidas. Google.

¿Qué riesgo ético supone el contenido íntimo manipulado con IA?. Aumento de productividad. Forma de violencia digital. Expansión cultural. Creación artística.

¿Qué implica el principio de equidad en la IA?. Que la IA no funcione en todos los países. Trato justo e imparcial sin discriminación. Favorecer siempre al grupo mayoritario. Reducir el número de datos.

¿Cuál es una consecuencia de la brecha socioeconómica generada por la IA?. Mejor acceso a internet. Acceso desigual a beneficios de la IA. Reducción de desigualdades. Mayor eficiencia global.

El RGPD reconoce el derecho al olvido en el uso de IA. Verdadero. Falso.

Los sesgos en IA solo tienen consecuencias técnicas y no sociales. Verdadero. Falso.

El sesgo en los prompts aparece por cómo formulamos la pregunta a la IA. Verdadero. Falso.

Todo contenido generado por IA puede registrarse legalmente como obra con copyright. Verdadero. Falso.

Los deepfakes son fáciles de identificar a simple vista. Verdadero. Falso.

La explotación comercial de datos personales sin consentimiento es un riesgo de privacidad. Verdadero. Falso.

La IA no puede causar desplazamiento laboral. Verdadero. Falso.

Usar repositorios libres de derechos es una buena práctica en creación con IA. Verdadero. Falso.

El derecho a la explicación obliga a revelar cómo funciona internamente el algoritmo completo. Verdadero. Falso.

La verificación cruzada con fuentes primarias es una técnica útil contra la desinformación. Verdadero. Falso.

Relaciona los principios éticos relacionados con la IA con su definición: Trato imparcial y justo, sin favoritismos ni discriminación. Protección de la información personal contra la exposición pública o el uso indebido. Divulgación abierta y clara de información relevante sobre cómo funciona y se utiliza la IA. Obligación de explicar, justificar y responsabilizarse de los propios actos al usar IA.

Relaciona los ejemplos con el tipo de sesgo del que se trata: Currículums masculinos que son favorecidos en una IA de reclutamiento al haber sido entrenada con historiales laborales de hombres. Preguntar a la IA ¿Por qué los hombres son mejores líderes que las mujeres?. Una pulsera de salud que mide el pulso funciona bien en personas con piel clara, pero falla con pies oscura o con tatuajes en la muñeca.

Desde el año 2000 hasta la actualidad, la inteligencia artificial ha experimentado grandes avances gracias a la era del Big Data y el aprendizaje profundo. ¿Qué factores han sido clave para estos avances?. La sustitución de la IA por métodos estadísticos clásicos. La disponibilidad de grandes cantidades de datos y el desarrollo de redes neuronales más complejas. La eliminación de los algoritmos tradicionales y la disminución de la potencia de cálculo. La reducción de los datos disponibles y la simplificación de las redes neuronales.

Aunque la inteligencia artificial puede manejar grandes volúmenes de datos y realizar tareas complejas, sigue presentando limitaciones, ¿Cuál de las siguientes afirmaciones refleja mejor estas limitaciones?. La IA siempre produce resultados precisos y fiables. Los modelos de IA, específicamente los generativos, pueden cometer errores, reflejar sesgos de los datos de entrenamiento y generar desinformación. Los asistentes de voz siempre interpretan correctamente instrucciones poco claras como 'pon mi música favorita'. La IA nunca se equivoca si los datos de entrada son incompletos o ambiguos.

¿Cuál de las siguientes afirmaciones describe mejor la 'Narrow AI' o IA débil, que predomina en la actualidad?. Se centra en el análisis histórico de datos sin interactuar con aplicaciones prácticas. Es capaz de realizar cualquier tarea humana con conciencia completa del mundo. Está especializada en tareas específicas y es muy eficiente en su dominio, pero no tiene conciencia ni comprensión general. Puede aprender y adaptarse a cualquier situación sin necesidad de datos específicos.

Durante los años 70 y 80, la inteligencia artificial vivió un periodo conocido como 'invierno de la IA'. ¿Cuál fue la causa principal de esta etapa?. La IA alcanzó todos sus objetivos iniciales, consolidándose sin problemas. La IA se convirtió en la tecnología dominante en todos los sectores. Se descubrieron nuevas técnicas que reemplazaron a la IA. Los avances no cumplieron las expectativas, lo que provocó pérdida de financiación e interés.

La detección de fraudes en transacciones bancarias, que busca patrones anómalos en grandes volúmenes de datos, es un ejemplo de: Discriminative AI. Generative AI. Analytical AI. Statistical AI.

¿Qué caracteriza principalmente a los datos no estructurados?. Siguen un formato fijo de filas y columnas que facilita su almacenamiento en bases de datos tradicionales. Solo se encuentran en bases de datos empresariales. Carecen de un formato predefinido y se presentan en formas variadas como textos, imágenes, audio y video. Son siempre numéricos y fáciles de analizar con herramientas simples.

¿Por qué es necesario usar técnicas avanzadas como el procesamiento del lenguaje natural o el reconocimiento de imágenes para trabajar con datos no estructurados?. Porque los datos no estructurados se almacenan automáticamente en bases de datos tradicionales. Porque los datos estructurados no tienen un formato uniforme y requieren métodos complejos para extraer información útil. Porque los datos no estructurados son siempre textos cortos y simples. Porque los datos no estructurados son fáciles de analizar sin herramientas especiales.

¿Cuál de los siguientes ejemplos describe mejor un modelo de refuerzo?. Un modelo que predice el precio de una vivienda según su tamaño y ubicación. Un modelo que analiza hábitos de compra de clientes y los agrupa en perfiles similares sin etiquetas. Un modelo que aprende a jugar a un videojuego mejorando con cada partida gracias a recompensas y penalizaciones. Un modelo que clasifica correos electrónicos como spam o no spam usando datos etiquetados.

¿Qué se logra mediante el fine-tuning (ajuste fino) de un modelo de IA?. Que el modelo genere resultados aleatorios sin necesidad de datos de entrenamiento. Entrenar un modelo desde cero sin utilizar un modelo previo. Optimizar el modelo para aplicaciones específicas, mejorando su precisión y relevancia. Evitar que el modelo cometa errores en todos los posibles escenarios sin necesidad de datos adicionales.

¿Cuál de los siguientes ejemplos representa el uso de una red neuronal convolucional (CNN)?. Un modelo que aprende a jugar un videojuego mediante prueba y error. Un modelo que analiza correos electrónicos para clasificarlos como spam o no spam. Un sistema de reconocimiento facial que desbloquea un móvil utilizando análisis de imágenes. Un sistema que predice el previo de una vivienda según su tamaño y ubicación.

¿En qué consiste el rol prompting al elaborar un prompt para IA y cuál es su principal ventaja?. Dar instrucciones vagas para que la IA interprete libremente el objetivo, evita limitaciones de contexto. Pedir a la IA que genere contenido sin ninguna indicación sobre rol, estilo o audiencia, asegura máxima creatividad. Asignar un rol o perspectiva a la IA para orientar estilo, vocabulario y criterios, permite obtener respuestas más alineadas con el contexto. Limitar la IA a respuestas de una sola palabra para aumentar la precisión.

Al utilizar IA para transformar imágenes existentes, ¿Qué se recomienda para obtener resultados de alta calidad y adecuados al propósito?. Especificar la naturaleza de la transformación, describir la imagen original, detallar el resultado deseado, incluir herramientas o técnicas, y considerar implicaciones legales. No es necesario detallar la imagen original ni el resultado deseado, la IA generará automáticamente la mejor versión. Solo indicar el color principal que se desea cambiar y dejar el resto a la IA. Ignorar cualquier aspecto legal o de derechos de propiedad intelectual, ya que la IA siempre protege los contenidos originales.

¿Qué caracteriza al few-shot prompting al elaborar prompts para IA y cuál es su principal ventaja?. Incluir cientos de ejemplos para que la IA memorice todas las respuestas posibles. Incluir unos pocos ejemplos que muestren el tipo de respuesta esperada, ayuda a reducir la variabilidad y alinear el estilo de la salida. Dar instrucciones vagas y sin ejemplos, esto garantiza máxima creatividad. No incluir ejemplos, dejar que la IA genere la respuesta de forma totalmente libre.

¿Por qué los modelos de texto de inteligencia artificial son capaces de generar texto coherente y realizar tareas lingüísticas complejas?. Porque se basan en reglas predefinidas y no requieren entrenamiento con datos. Porque analizan únicamente imágenes y vídeos sin necesidad de datos textuales. Porque se entrenan con enormes cantidades de datos textuales, lo que les permite comprender contextos y patrones del lenguaje. Porque funcionan únicamente con bases de datos estructuradas de números y fechas.

¿Cuál es la práctica más recomendable al crear imágenes con IA para un propósito específico?. Evitar mencionar el público objetivo o referencias, ya que no influyen en el resultado. Indicar el color principal de la imagen y dejar el resto al azar. Dejar que la IA genere imágenes sin ninguna indicación o contexto. Proporcionar instrucciones detalladas sobre propósito, estilo, elementos clave, colores, estado de ánimo y público objetivo.

¿Cómo se decide qué tareas dejar en manos de la IA y cuáles requieren intervención humana?. Evaluando si la tarea es automatizable: si sí lo es, la realiza la IA, si ni, la realiza la persona. Dejando que la IA haga todas las tareas sin supervisión humana. Realizando todas las tareas manualmente, sin aprovechar la IA. Asignando tareas al azar entre la IA y la persona, sin evaluar su naturaleza.

¿Cuál es la clave para aprovechar la IA de manera efectiva?. Entender todos los algoritmos complejos de la IA para poder reemplazar al ser humano. Ignorar la IA y centrarse solo en habilidades humanas tradicionales. Usar la IA únicamente para tareas repetitivas, sin considerar el valor humano. Aplicar la IA estratégicamente para complementar nuestras habilidades, enfocándonos en creatividad, ética y liderazgo.

¿Cuál de las siguientes prácticas es fundamental para diseñar prompts efectivod y aprovechar al máximo la IA?. Evitar dar contexto o público objetivo, la IA siempre interpreta correctamente. Incluir especificidad, claridad, contexto y definir estilo y tono en las instrucciones. Escribir instrucciones vagas y ambiguas para que la IA decida el contenido por sí misma. No indicar estilo ni tono, ya que la IA genera automáticamente el más adecuado.

En el ejemplo de colaboración entre IA y equipo de marketing, ¿Cuál es el papel principal de cada uno?. La IA y el equipo humano realizan exactamente las mismas tareas sin diferenciación de roles. La IA genera borradores de anuncios, eslóganes o diseños, el equipo humano selecciona, pule y asegura que la propuesta final refleje la identidad de la marca. La IA toma todas las decisiones estratégicas, mientras el equipo humano solo aprueba sin cambios. El equipo humano genera los borradores y la IA selecciona cuál refleja mejor la identidad de la marca.

¿Por qué son importantes el aprendizaje continuo y la adaptabilidad tecnológica para aprovechar la IA?. Porque una vez aprendida una herramienta de IA, nunca es necesario volver a actualizarse. Porque la IA no cambia, por lo que la adaptabilidad no es relevante. Porque la IA evoluciona rápidamente, y actualizar habilidades permite aprovechar nuevas herramientas y oportunidades. Porque basta con aprender una sola herramienta de software para dominar todas las aplicaciones de IA.

¿Cuál de las siguientes actividades forma parte de las tareas de un Analista de Datos Junior con Enfoque en IA?. Generar contenido gráfico o audiovisual sin análisis de información. Preparar y limpiar datos, identificar patrones con IA, crear visualizaciones y comunicar resultados a equipos no técnicos. Programar redes neuronales profundas sin interpretar los datos. Supervisar únicamente la seguridad de los servidores de IA.

¿Por qué es importante que un prompt designer tenga comprensión profunda de los modelos de IA?. Para poder crear instrucciones precisas que maximicen la calidad y relevancia de las respuestas de la IA. Para analizar únicamente los costes energéticos de los modelos. Para generar contenido sin necesidad de instrucciones detalladas. Para programar la infraestructura de servidores de la IA.

¿Cuál de los siguientes conocimientos es específicamente relevante para un prompt designer?. Diseño de hardware para GPUs de alto rendimiento. Técnicas avanzadas como few-shot prompting y cadena de pensamiento para guiar las respuestas de la IA. Gestión de inventarios y logística de la empresa. Creación de campañas publicitarias sin interacción con la IA.

¿Cuál es la función principal de un Analista de Datos Junior con Enfoque en IA?. Gestionar únicamente la infraestructura de servidores de IA. Combinar análisis de datos básico con herramientas de IA para optimizar procesos. Diseñar prompts para chatbots y asistentes virtuales. Desarrollar modelos de IA avanzados desde cero sin analizar datos.

¿Cuáles son algunas de las tareas clave de un Analista de Datos Junior con Enfoque en IA?. Supervisar el consumo energético de modelos de IA sin procesar datos. Preparar y limpiar conjuntos de datos, identificar patrones con IA, generar visualizaciones y comunicar resultados a equipos no técnicos. Crear imágenes y vídeos con IA sin analizar datos numéricos. Programar redes neuronales profundas sin interpretar resultados.

¿Qué concepto describe el uso de contenidos generados por usuarios (textos, imágenes, audios) para entrenar modelos de IA sin permiso explícito?. Fugas de datos. Explotación comercial de datos personales. Entrenamiento sin consentimiento. Uso no autorizado.

¿Qué significa el derecho de portabilidad de datos?. Recuperar datos borrados. Usar datos de terceros sin permiso. Exportar tus datos a otro servicio. Almacenar datos en un pendrive.

¿Cuál es una consecuencia de la brecha socioeconómica generada por la IA?. Reducción de desigualdades. Mayor eficiencia global. Acceso desigual a beneficios de la IA. Mayor acceso a internet.

¿Qué tipo de sesgo aparece cuando los métodos de recogida de datos contienen errores o distorsiones?. Sesgo de confirmación. Sesgo en prompts. Sesgo de medición. Sesgo de selección.

¿Cuál de estas es una medida para mitigar los sesgos algorítmicos?. Usar solo datos históricos. Reducir el tamaño de los datos. Uniformidad de los datos. Supervisión humana sobre los resultados de la IA.

Sistemas de recomendación en plataformas de streaming (como Netflix o Spotify) se clasifican como: IA con conciencia y comprensión global del mundo. IA fuerte, capaz de realizar cualquier tarea humana. IA débil o Narrow AI, diseñada para tareas específicas. Sistemas estadísticos sin capacidad de aprendizaje.

¿Cuál de los siguientes sistemas representa mejor la IA discriminativa?. Un modelo que clasifica correos electrónicos como spam o no spam. Un generador de historias o imágenes a partir de indicaciones. Un sistema que simula conversaciones humanas creativas. Un programa que crea música original basada en un estilo específico.

¿Cuál de los siguientes no constituye un desafío técnico para la inteligencia artificial?. La incapacidad de la IA para aprender de datos nuevos. Altos requerimientos de recursos computacionales. Elevados costos y consumo energético. Ausencia de estándares universales.

¿Cuál de los siguientes es un ejemplo de datos estructurados?. Una hoja de cálculo con el listado de estudiantes: nombre, edad y calificación final. Una colección de correos electrónicos con texto libre y archivos adjuntos. Fotografías y vídeos de un evento sin etiquetas ni categorías. Grabaciones de voz de conversaciones de clientes sin transcripción.

¿Cuál de las siguientes es una limitación de los datos estructurados?. Son fáciles de almacenar y consultar en bases de datos o hojas de cálculo. Permiten procesar grandes volúmenes de información de forma rápida y precisa. Su formato homogéneo reduce la probabilidad de errores durante el análisis. No capturan fenómenos complejos y requieren que la información esté bien definida, lo que limita su flexibilidad.

Si un algoritmo de IA agrupa clientes o imágenes en categorías según similitudes sin usar etiquetas previas, ¿Qué técnica está utilizando?. Regresión. Redes neuronales. Clustering. Clasificación.

¿Cuál de las siguientes afirmaciones describe mejor a Perplexity AI?. Es un asistente que genera contenido sin mostrar fuentes ni referencias. Solo sirve para juegos y entretenimiento, sin aplicaciones académicas o profesionales. Combina chat conversacional con búsqueda en internet, mostrando siempre las fuentes de la información. Es una herramienta exclusiva para crear imágenes y vídeos mediante IA.

¿Qué describe mejor a Adobe Firefly?. Es un modelo de IA diseñado para análisis financieros. Es un chatbot que responde preguntas académicas con referencias verificables. Es un asistente de productividad de Microsoft que ayuda con correos y presentaciones. Es un modelo de IA generativa especializado en contenido visual, que crea imágenes y efectos a partir de descripciones textuales y se integra en aplicaciones como Photoshop o Illustrator.

¿Cuál de las siguientes competencias es clave para aprovechar la IA considerando su impacto social y sostenibilidad?. Aprender únicamente a usar la IA sin preocuparse por consecuencias sociales o ambientales. Evitar analizar la brecha digital, ya que todas las personas tienen el mismo acceso a la IA. Centrarse solo en el rendimiento técnico de la IA, ignorando aspectos éticos o sostenibles. Evaluar sesgos y discriminación, la brecha digital y el coste energético de los modelos de IA, promoviendo un uso ético y sostenible.

¿Cómo puede la IA ayudar a un profesional a mejorar la comunicación y presentación de datos en su trabajo diario?. Solo generando contenido textual sin considerar la audiencia ni la presentación visual. Personalizando mensajes según la audiencia, creando gráficos e infografías interactivas, adaptando la traducción y localización, y estructurando la información de manera lógica. Limitándose a almacenar datos sin facilitar su comprensión o presentación. Sustituyendo completamente al profesional en todas las decisiones comunicativas sin supervisión.

¿Cómo puede la IA potenciar la creatividad e innovación aumentada?. Sustituyendo completamente el pensamiento humano sin aportar nuevas ideas. Generando ideas nuevas, visualizando conceptos mediante diagramas o infografías, y transformando contenido para diferentes audiencias. Limitándose a tareas repetitivas sin influir en la generación de contenido creativo. Ignorando el contexto o la audiencia al generar material visual o textual.

¿Cuál es la función principal de un Supervisor de IA?. Solo gestionar la infraestructura de servidores de IA. Diseñar prompts para generar contenido creativo sin supervisión. Crear modelos de IA desde cero sin considerar su ética o resultados. Garantizar que los sistemas de IA funcionen correctamente, de manera ética y alineada con los objetivos de la organización.

¿Cuál es el objetivo de un Analista de Datos Junior con Enfoque en IA en una empresa?. Desarrollar modelos de IA avanzados sin procesar datos. Optimizar procesos combinando análisis de datos básico con herramientas de IA. Diseñar prompts para asistentes virtuales sin análisis de datos. Gestionar únicamente la infraestructura tecnológica de la IA.

¿Qué implica el principio de equidad en la IA?. Reducir el número de datos. Favorecer siempre al grupo mayoritario. Trato justo e imparcial sin discriminación. Que la IA no funcione en todos los países.

¿En qué consiste el principio ético de transparencia aplicado a la IA?. Obligación de explicar, justificar y responsabilizarse de los propios actos al usar IA. Proteger la información personal contra la exposición pública o el uso indebido. Trato imparcial y justo, sin favoritismos ni discriminación. Divulgar la información relevante sobre cómo funciona y se utiliza la IA.

¿Qué es el sesgo de selección?. Los datos de entrenamiento no representan a toda la población. La magnificación de los sesgos ya existentes en los datos de entrenamiento, haciendo que aparezcan con más fuerza de lo que ocurre en la realidad. Los métodos de recogida de datos contienen errores o distorsiones. Los datos o las preguntas que se introducen en el sistema se diseñan de manera que refuerzan creencias o hipótesis previas.

¿Qué ocurre cuando un modelo de IA sufre sobreajuste (overfitting)?. El modelo clasifica correctamente todos los datos nuevos sin necesidad de ajustes. El modelo no aprende lo suficiente y comete muchos errores incluso con los datos de entrenamiento. El modelo genera datos completamente inventados sin relación con la realidad. El modelo memoriza demasiado los datos de entrenamiento y falla al enfrentarse a casos nuevos.

¿Cuál de las siguientes es una limitación o precaución importante al generar imágenes con IA?. La calidad de imagen generada no se ve afectada por la precisión o detalle del prompt. La IA siempre genera imágenes perfectas sin necesidad de instrucciones detalladas ni consideraciones legales. No existen problemas de sostenibilidad ni de sesgos culturales en los modelos de generación de imágenes. Los modelos requieren gran cantidad de recursos computacionales, pueden reproducir sesgos presentes en los datos, surgen dudas sobre propiedad intelectual y los resultados dependen de la claridad del prompt.

¿Qué describe mejor a Microsoft Copilot?. Integra tecnologías de IA en aplicaciones de Microsoft, asistiendo en tareas de productividad como redacción, análisis de datos, creación de presentaciones, gestión de correo y reuniones. Es una herramienta de IA que solo funciona en Excel para crear fórmulas automáticas. Es un software exclusivo para juegos y entretenimiento que utiliza IA para generar gráficos. Es un motor de búsqueda que combina chat conversacional con referencias verificables en internet.

En una empresa, ¿Cómo puede un empleado integrar la IA en sus tareas diarias de forma práctica y efectiva?. Solo utilizando IA para generar contenido creativo, sin aplicarla a tareas administrativas o de análisis. Evitando cualquier uso de IA y realizando todas las tareas manualmente para mantener el control total. Utilizando IA para automatizar tareas repetitivas, como leer y organizar facturas y contratos, filtrar correos prioritarios, analizar datos de ventas simples y programar reuniones según disponibilidad. Confiando en que la IA resuelva problemas estratégicos complejos sin supervisión humana.

¿Cuáles de las siguientes competencias son clave para aprovechar la inteligencia artificial de manera eficaz, ética y creativa?. Pensamiento crítico, diseño de prompts, creatividad, colaboración humano-IA, aprendizaje continuo, ética digital y alfabetización crítica. Memorizar todas las funcionalidades de un software de IA sin cuestionar su uso. Evitar la interacción con IA y centrarse únicamente en métodos tradicionales de trabajo. Solo aprender a programar sin preocuparse por ética ni impacto social.

¿Cuáles son habilidades y conocimientos clave para un prompt designer?. Comprensión profunda de modelos de IA, habilidades de comunicación, capacidad para estructurar solicitudes claras y conocimiento de técnicas avanzadas como few-shot prompting. Supervisión de la energía consumida por los modelos de IA, sin crear instrucciones. Solo habilidades artísticas para generar imágenes sin usar prompts. Solo conocer el funcionamiento básico de la IA, sin necesidad de técnicas avanzadas.

¿Cuáles son algunas de las responsabilidades clave de un Supervisor de IA?. Analizar automáticamente el coste energético de los sistemas de IA. Programar algoritmos sin evaluar la calidad de los resultados. Monitorizar resultados para detectar sesgos o errores, evaluar calidad y relevancia de salidas, ajustar parámetros y aplicar salvaguardas éticas. Generar automáticamente contenido visual y textual sin supervisión ética.

¿Qué tipo de sesgo ocurre cuando la pregunta al sistema ya incluye un prejuicio?. Sesgo de medición. Sesgo en prompts. Sesgo de confirmación. Sesgo de selección.

¿Qué es el sesgo de confirmación?. Aquel que ocurre cuando los métodos de recogida de datos contienen errores o distorsiones. Ninguna de las respuestas es correcta. Aquel que ocurre cuando la IA aprende de datos que ya están sesgados y reproduce esas distorsiones en sus resultados. Aquel que ocurre al reforzar creencias o hipótesis previas en lugar de cuestionarlas al introducir datos o preguntas.

¿Cuál es uno de los principales retos de la inteligencia artificial debido a la ausencia de estándares universales?. Que la IA sea incapaz de interactuar con otras tecnologías. Que los modelos de IA son demasiado costosos para poder estandarizarlos. Que todos los modelos de IA sigan los mismos criterios éticos. Que diferentes modelos de IA utilizan criterios éticos y niveles de transparencia distintos, lo que complica su uso responsable y seguro.

¿A qué nos referimos cuando hablamos de herramientas de inteligencia artificial?. A aplicaciones o plataformas de software que utilizan IA para realizar tareas específicas en ámbitos como la creación de contenido, el análisis de datos o la productividad. A dispositivos físicos que sustituyen completamente el trabajo humano. A sistemas que funcionan sin necesidad de datos ni entrenamiento previo. A programas que solo sirven para el entrenamiento y no tienen usos profesionales.

¿Cuál de las siguientes es una ventaja de los datos no estructurados para la inteligencia artificial?. Pueden introducir sesgos si los conjuntos de entrenamiento no son representativos. Su volumen y diversidad necesitan grandes capacidades de almacenamiento y cómputo. Requieren mucho procesamiento previo para ser interpretados por la máquina. Contienen gran riqueza informativa y permiten entrenar modelos que reconocen patrones complejos.

¿Cuál es la función principal de un prompt designer?. Programar algoritmos de IA desde cero sin usar prompts. Generar contenido creativo sin necesidad de interacción con la IA. Crear instrucciones precisas (prompts) para que la IA genere resultados alineados con lo esperado. Supervisar únicamente la infraestructura de hardware de los modelos de IA.

¿Qué describe mejor la colaboración humano-IA en el ámbito laboral y creativo?. La IA solo sirve para trabajo individual y no mejora la cooperación en equipos internacionales. La IA reemplaza completamente al ser humano, tomando todas las decisiones sin intervención. La IA facilita tareas como traducciones, coordinación global y análisis rápido, mientras la persona aporta criterio, ético y empatía. La IA evita la necesidad de sensibilidad o criterio humano en cualquier proyecto.

En los modelos de inteligencia artificial generativa, las llamadas 'alucinaciones' hacen referencia a que el modelo: Solo funciona si el usuario sobreestima sus capacidades. Genera resultados completamente inventados, sin relación con la realidad. Copia información de internet de manera incorrecta. Produce resultados aleatorios por fallos internos.